HyperAIHyperAI

Command Palette

Search for a command to run...

ET-Net: شبكة عامة توجيهية للاهتمام بالحافات للتقسيم الطبي للصور

Zhijie Zhang; Huazhu Fu; Hang Dai; Jianbing Shen; Yanwei Pang; Ling Shao

الملخص

التفصيل هو مهمة أساسية في تحليل الصور الطبية. ومع ذلك، فإن معظم الطرق الحالية تركز على استخراج المنطقة الرئيسية وتتجاهل معلومات الحواف، والتي تكون مفيدة للحصول على تفصيل دقيق. في هذا البحث، نقترح طريقة تفصيل طبي عامة تسمى شبكة التوجيه بالاهتمام بالحواف (Edge-aTtention guidance Network - ET-Net)، والتي تقوم بتضمين تمثيلات الاهتمام بالحواف لتوجيه شبكة التفصيل. بصفة خاصة، يتم استخدام وحدة توجيه الحواف لتعلم تمثيلات الاهتمام بالحواف في طبقات الترميز المبكرة، ثم يتم نقلها إلى طبقات فك الترميز متعددة المقاييس، حيث يتم دمجها باستخدام وحدة تجميع موزونة. أظهرت نتائج التجارب على أربع مهام تفصيل (أي تفصيل القرص والكأس والأوعية الدموية في صور الشبكية، وتفصيل الرئة في صور الأشعة السينية للصدر وصور tomography المقطعيّة المحوريّة) أن الحفاظ على تمثيلات الاهتمام بالحواف يساهم في دقة التفصيل النهائي، وأن الطريقة المقترحة لدينا تتفوق على أفضل الطرق الحالية لتفصيل الصور. يمكن الوصول إلى شفرة المصدر الخاصة بطرقنا من خلال الرابط: https://github.com/ZzzJzzZ/ETNet.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp